[发明专利]一种提高食品安全预测模型鲁棒性的方法及装置

权利要求书

1.一种提高食品安全预测模型鲁棒性的方法，其特征在于，所述方法包括：

获得食品供应链中的各个阶段的待检测危害物的含量数据；

根据所述待检测危害物的含量数据进行增大噪声处理，模拟噪声方差的增大，获取增大噪声方差数据；

在增大噪声处理后获得的数据的基础上添加突变点，模拟添加数据的突变，获取添加突变数据；

搭建至少一个食品安全预测模型，并通过所述待检测危害物的含量数据、增大噪声方差数据和添加突变数据对所述至少一个食品安全预测模型进行训练，筛选出性能最优的食品安全预测模型；

所述根据所述待检测危害物的含量数据进行增大噪声处理，模拟噪声方差的增大，获取增大噪声方差数据的过程包括：

在获得最后一个阶段的待检测危害物的含量数据之后，根据供应链各阶段危害物的检测值计算待检测危害物在各个加工阶段的危害物衰减率；

根据各阶段的危害物衰减率，添加高斯白噪声模拟实际的测量噪声，并增大噪声方差模拟数据的噪声，获取增大噪声方差数据。

2.根据权利要求1所述的方法，其特征在于，所述搭建至少一个食品安全预测模型，并通过所述待检测危害物的含量数据、增大噪声方差数据和添加突变数据对所述至少一个食品安全预测模型进行训练，筛选出性能最优的食品安全预测模型的过程包括：

将所述待检测危害物的含量数据、增大噪声方差数据和添加突变数据分别划分为训练集和测试集；

通过所述训练集和测试集分别对所述食品安全预测模型进行测试，获得测试结果；

计算所述测试结果的均方根误差，根据所述测试结果的均方根误差筛选出性能最优的食品安全预测模型。

3.根据权利要求2所述的方法，其特征在于，所述搭建至少一个食品安全预测模型，并通过所述待检测危害物的含量数据、增大噪声方差数据和添加突变数据对所述至少一个食品安全预测模型进行训练，筛选出性能最优的食品安全预测模型的过程还包括：

在通过所述训练集和测试集分别对所述食品安全预测模型进行测试获得测试结果之后，对所述测试结果进行多源信息融合获得融合数据；

计算所述融合数据的均方根误差，根据所述融合数据的均方根误差筛选出性能最优的食品安全预测模型。

4.根据权利要求3所述的方法，其特征在于，所述对所述测试结果进行多源信息融合获得融合数据的过程包括：对所述测试结果分别进行取平均、加权平均和CI融合获得融合数据。

5.一种提高食品安全预测模型鲁棒性的装置，其特征在于，所述装置包括处理器，所述处理器，其被配置有处理器可执行的操作指令，以执行如下操作：

获取食品供应链中的各个阶段的待检测危害物的含量数据；

在获得最后一个阶段的待检测危害物的含量数据之后，根据供应链各阶段危害物的检测值计算待检测危害物在各个加工阶段的危害物衰减率；

根据各阶段的危害物衰减率，添加高斯白噪声模拟实际的测量噪声，并增大噪声方差模拟数据的噪声，获取增大噪声方差数据；

在增大噪声处理后获得的数据的基础上添加突变点，模拟添加数据的突变，获取添加突变数据；

搭建至少一个食品安全预测模型，并通过所述待检测危害物的含量数据、增大噪声方差数据和添加突变数据对所述至少一个食品安全预测模型进行训练，筛选出性能最优的食品安全预测模型。

6.根据权利要求5所述的装置，其特征在于，所述处理器，其被配置有处理器可执行的操作指令，以执行如下操作：

将所述待检测危害物的含量数据、增大噪声方差数据和添加突变数据分别划分为训练集和测试集；

通过所述训练集和测试集分别对所述食品安全预测模型进行测试，获得测试结果；

计算所述测试结果的均方根误差，根据所述测试结果的均方根误差筛选出性能最优的食品安全预测模型。